Improving Work-Related Challenges in Psychiatric-Psychosomatic Clinics: Study Protocol for an Internet-Based Needs Assessment and Co-Design of a Training
Notice bibliographique
Résumé
Background: Medical, psychiatric-psychosomatic facilities are confronted with a variety of daily challenges that affect working conditions, the mental health of employees, and the quality of patient care. This project focuses on the work-related challenges faced by health care professionals in psychiatric-psychosomatic clinics in Germany. Objective: The aim of the current research is to investigate the interactions between individuals and their social environment, identify psychological and organizational challenges and job demands, and use these findings to inform the development of a participatory, evidence-based intervention. Methods: This 2-phase research is grounded in the job demands-resources model (JD-R). Study phase (needs assessment) uses a cross-sectional online survey with health care professionals in German psychiatric-psychosomatic clinics to assess job demands, resources, and outcomes in a target sample of N=600 participants (power analysis). Study phase 2 (co-design of a training) involves co-creatively designing an intervention based on survey findings through participatory workshops with at least N=20 participants. Analyses include regression and moderation tests (SPSS; IBM Corporation) and qualitative data analysis to co-design training. Results: The recruitment of participants is planned to be finished by December 2025. The co-designing of workshops (phase 2) will be started in February 2026. As this is a study protocol, results are not available yet. Conclusions: This current research examines the work-related challenges faced by health care professionals in psychiatric-psychosomatic clinics. It is expected that burnout, engagement, and psychological safety will likely emerge as central mediating and moderating variables. As the findings of phase 1 serve as a basis for the development of an intervention, this research seeks to improve the well-being of health care professionals in psychiatric-psychosomatic institutions sustainably.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,031 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,042 | 0,010 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».